江苏龙网

  1. 首页 > 资讯 > 财经 > >

股票|指数增强系列研究之二： 创业板指增强策略研究( 三 )


2.2
单因子增强组合测试法

这里的alpha指的是待测试的单因子 ， 我们的优化目标是最大化投资组合在该因子上的暴露 。 而各个约束条件的具体含义如下：代表市值中性 ， 我们将其上下限设置为±0.01；代表行业中性 ， 我们也将其上下限设置为±0.01；代表对成分股权重的偏离约束 ， 我们要求最大偏离的绝对值不超过1%；代表满仓约束；表示只在成分股内进行选股 ， b为是否属于基准成分股的0-1向量 。 我们将通过定期求解上述优化问题 ， 获得待测试因子的历史超额收益率时间序列 ， 并进行收益和风险分析 ， 进而对该因子的有效性进行评价 。
这里需要注意的是 ， 我们在上述的因子评价过程中 ， 施加了与实际做指数增强管理基本相同的约束条件 ， 如行业市值中性 ， 最大个股偏离限制等 ， 同时也将各种交易限制和成本纳入其中 。 换句话说 ， 我们其实对每个待测试因子都构造了一个指数增强策略 。 通过对每个单因子增强策略的超额收益 ， 信息比 ， 最大回撤等绩效指标的评价 ， 我们就能更加贴近实际地去了解该因子的投资价值 。
3、在长周期上选择有效因子
3.1
选择的方式与原则

利用上一章提到的方法 ， 我们对当前兴业证券金融工程团队选股因子库中的六大类共163个因子在创业板指成份股内进行了单因子增强组合测试 ， 测试区间是2010年12月31日到2020年6月30日 。 而后我们将对所有因子的表现进行归纳总结 ， 确定创业板指增强策略所选因子和相应的因子权重 。 以下图表5给出了我们因子库中163个因子的分类情况和各类因子的数量：
为了方便后面的分析 ， 这里我们首先给出因子挑选和权重配置的大体原则：
【股票|指数增强系列研究之二： 创业板指增强策略研究】1. 对于单因子的选择 ， 我们最重要的评价指标是信息比率 ， 同时将历史最大回撤作为参考；
2. 对于同属于一个大类且表现与含义相似的因子 ， 一般只保留一个 ， 以保持最终模型的简单性；
3. 我们会将挑选到的同属一个大类的因子先行合成 ， 对于入选因子数量较多、表现较好的大类 ， 在最终的多因子模型中赋予更高的权重配比 。
接下来 ， 我们展示因子选择和权重配置过程 。
3.2
增强因子的选择与配置
从上图可见 ， 在我们考察的时间范围内 ， 创业板指单因子增强组合信息比高于0.8的因子共有14个 ， 其中成长因子12个 ， 分析师情绪因子1个 ， 质量因子1个 。 这符合我们的直观理解 ， 即在创业板这样的新兴成长板块 ， 应该最为注重公司成长性 。

对于成长因子 ， 可以看到表现最好的都是与单季度净利润增速相关的因子 ， 因此这里我们选择表现最好的SUE1与NetProfitDeducted_SQ_YoY因子 ， 二者都属于单季度净利润增速因子 ， 但构造方式不同：SUE1的计算方法为最新季度的净利润同比增长值减去过去8个季度净利润同比增长值的平均后 ， 再除以过去8个季度净利润同比增长值的标准差 ， 以相对较长的周期评价了公司盈利对的短期增长水平 。 NetProfitDeducted_SQ_YoY的计算方式则简单直观 ， 直接计算单季度扣非净利润的同比增长率 ， 更注重一年内的增长 。
对于分析师情绪与质量因子 ， 分别刻画了分析师对公司ROE判断的边际调整与公司ROE的水平 。 这三类因子综合选出的是成长较快 ， 盈利质量高 ， 分析师情绪边际改善的创业板公司 。 在权重配置上 ， 我们给效果最好的成长因子60%权重 ， 给分析师情绪与质量因子各20%权重 。
3.3
因子相关性的考量

我们的因子合成方法是先在类内等权合成 ， 然后通过大类因子之间的加权得到最终的多因子alpha 。 在这种框架下 ， 我们主要是通过调整大类因子权重的倾斜程度来体现模型的差异性 ， 而对类内因子的合成方式则倾向于较为简单、稳健的等权合成 。 因此在这种设定下 ， 大类因子之间的相关性就显得比较重要了 ， 因为一旦大类因子间相关性很高 ， 就可能导致我们对不同类别因子的权重倾斜失效 。 为了说明相关性的具体情况 ， 我们在这里展示了上一小节所挑选因子的两两截面相关性矩阵 ， 其中相关性指标我们用的是因子截面相关性的历史均值 ， 时间区间与我们之前测试单因子增强组合的时间区间保持一致 。


推荐阅读


上一篇：股票|今日，通威、海大市值齐破900亿！谁会最先荣登千亿？

下一篇：外汇|马云套现430亿是啥概念？提成现钞能塞满两套115平的三居